【LLM 日報】2026 年 10 月 02 日 — AI 開始被塞進決策流程與晶片工具，驗證仍留在人手上
過去三天的新增消息，焦點從「模型能不能生成文字」移到「模型能不能在既有流程中做決定、操作工具或加速科學工作」。Cloudflare 把分類模型做成可開源、可微調的決策元件，OpenAI 與 Synopsys 則把模型接到 EDA 工具；Anthropic 分享的科學案例同樣依賴專家校正。這些公告都把模型放進更長的工作鏈，但最後的準確性、適用範圍與責任界線仍由實際工作者確認。
🔥 Cloudflare 開源 Clef 決策模型，輸出分類與機率而非長篇文字
Cloudflare 發布 Clef 與 Clef-flash，定位是用於代理工作流程的 decision model。輸入可以是客服訊息、網域或其他狀態，輸出則是帶有機率的結構化欄位，例如是否緊急、應交給哪個團隊、嚴重程度為何；模型也能把結果交給程式路由、升級或交由人工處理。兩個模型以 Apache 2.0 授權放在 Hugging Face，並可透過 Workers AI 使用，Cloudflare 另推出針對 Clef 的微調服務。
Cloudflare 的技術說明是：Clef 以 Qwen 作為基礎，先進行 prefill，再平行評分符合 schema 的選項，決策步驟不需要逐 token 產生中間文字。公司在自家威脅情報流程中表示，Clef 從抓取、渲染到分類網域耗時 2.2 秒，gpt-oss-120b 在相同流程耗時 4.7 秒；這是 Cloudflare 的內部比較，不是跨硬體、模型和工作負載的獨立測試。
Cloudflare 公布的 43 項評估中，Clef 在部分分類與工具選擇測試領先 Jev，也有測試由 Jev 得分較高；例如 When2Call 的準確率是 Clef 72.37、Clef-flash 65.58、Jev 80.97。模型回傳機率可以直接被程式採用，但機率是否校準、錯誤分類如何影響後續自動動作，公告沒有提供生產環境的失敗率。
官方表示可透過 AI Gateway 建立請求資料集，再用 Workers AI、Containers 與 Trainer 微調並部署模型。這代表微調資料可沿著 Cloudflare 的平台流動；Cloudflare 說除非客戶選擇微調服務，否則不讀取、儲存或用請求與回應訓練模型，但資料保留、部署與撤出平台的實際條件仍須看產品文件與合約。
GPT-Synopsys 將 OpenAI 模型接到 EDA 工具，先從晶片設計工作流開始
Synopsys 與 OpenAI 宣布多年合作，將共同開發 GPT-Synopsys，讓專門模型使用 Synopsys 的電子設計自動化（EDA）工具執行半導體設計與驗證流程。公告描述的工作包括接受功耗、效能與面積（PPA）等設計目標，操作工具、讀取結果、修改設計並反覆迭代，最後交由工程師審查。
這項合作不是單純提供一個可下載模型：OpenAI 將授權 Synopsys 的 EDA 工具作為模型開發的一部分，GPT-Synopsys 會運行在 OpenAI 託管的基礎設施，並預計與客戶既有的 agent harness、Synopsys.ai 和 Autopilot 整合。兩家公司表示早期技術合作已在部分半導體客戶中進行，但公告沒有公布晶片設計成功率、PPA 改善幅度、執行時間或與資深工程師流程的對照。
Synopsys 的新聞稿把資料保護列為服務條件：客戶設計資料不拿來訓練模型，資料傳輸與靜態儲存會加密，並可設定保留、稽核與權限控制。這些是供應商對服務設計的說明；模型實際能修改哪些設計、哪些步驟必須由人核准，以及產生錯誤設計時由哪一方負責，仍要等產品規格與客戶部署條件進一步說明。
Anthropic 分享 BootLoops：模型適合處理的科學問題，仍由專家判斷是否重要
Anthropic 發布物理學家 Matthew Schwartz 的客座文章，介紹開源 BootLoops 工具與一套以 Claude 協助定量科學研究的流程。文章描述的工作包括把不同論文中的方法移植到共同框架、撰寫缺少的程式碼、執行高精度計算，再把可計算的數學結構帶到生態學、族群遺傳學、經濟學與語言學等領域。
在散射振幅研究中，作者表示 Claude 將既有方法移植並擴充到橢圓函數類別，幾週內完成 30 個積分的 BootLoops，其中 15 個重現已知結果、15 個是此前未計算的結果。文章也描述生態學與族群遺傳學案例：模型先找到技術上可行的計算方向，再由領域專家把問題改成該領域真正關心的形式。作者公布的案例包含分析 1000 Genomes Project 中 57 億對鄰近突變，尋找與 gene conversion 相關的證據；這些結果仍在持續研究與驗證。
文章明確寫到，模型常能給出技術上正確但科學意義有限的結果，作者在跨出自己專業領域時需要請生物學家與生態學家判斷。整個三個月的工作包含 36 篇稿件、18 個領域與 19 名共同作者，從約 400 個候選問題中挑選；計算使用 Google Cloud 虛擬機、GitHub 與 Overleaf，並消耗大量 compute 與 token。BootLoops 的程式碼已放在 GitHub，但文中各項科學結果仍不是只靠模型輸出就能完成的驗證。